Incidence des correction des données WDPA pour Madagascar sur les statistiques de déforestation
Author
Florent Bédécarrats, Ollier Andrianambinina, Ingrid Dallmann, Seheno Ramanantsoa et Melvin Wong
Abstract
La World Database on Protected Areas constitue la principale source d’information internationale sur les aires protégées, utilisée par les chercheurs, les décideurs et les praticiens de la conservation. Jusqu’en 2024, les données relatives à Madagascar y étaient largement incomplètes ou erronées. Leur correction en décembre 2024 a profondément modifié le panorama du réseau national d’aires protégées. Cette annexe compare les versions ancienne et corrigée de la WDPA en analysant les différences en termes de nombre, de statut, de couverture spatiale et de taux de déforestation observés. Les écarts constatés s’avèrent substantiels pour de nombreuses aires protégées et modifient significativement l’évaluation de leur efficacité. Ces résultats invitent à réinterpréter les analyses antérieures basées sur des données biaisées et à fonder les études futures sur la base corrigée.
Introduction
La mesure de l’efficacité des aires protégées repose largement sur la comparaison des dynamiques de déforestation à l’intérieur et à l’extérieur de leurs frontières. Dans ce type d’analyse, la précision des données de délimitation est déterminante : une erreur de tracé ou un statut mal renseigné peut modifier le calcul des surfaces de forêt et donc fausser l’évaluation de la performance.
À Madagascar, les données de la World Database on Protected Areas (WDPA) ont longtemps souffert d’omissions et d’incohérences. Or cette base constitue la source principale mobilisée par les chercheurs, les plateformes internationales de suivi et les bailleurs pour apprécier l’état du réseau national d’aires protégées. Une correction majeure intervenue en décembre 2024 modifie sensiblement la représentation de ce réseau et appelle à mesurer son incidence sur les statistiques habituellement produites.
Cette annexe documente ces différences en comparant les versions de novembre 2024 et janvier 2025 de la WDPA. Elle met en évidence leurs effets sur les indicateurs clés de suivi, en particulier les taux de déforestation, afin d’éclairer la manière dont les analyses passées ont pu être biaisées et d’appuyer les futures évaluations sur des bases corrigées
Données
Nous avons utilisé les archives mensuelles WDPA disponibles sur la plateforme Google Earth Engine (GEE) platform. Les polygones correspondant à Madagascar ont été extraits pour novembre 2024 et janvier 2025, afin de comparer la version précédant la correction et celle publiée immédiatement après.
Code
// Code used on google earth engine to export the data.// WDPA monthly snapshotsvar nov_24 = ee.FeatureCollection('WCMC/WDPA/202411/polygons');var jan_25 = ee.FeatureCollection('WCMC/WDPA/202501/polygons');// Keep only Madagascarvar mdgOnly = ee.Filter.stringContains('ISO3','MDG');functionclean(fc) {return fc.filter(mdgOnly);}var nov_24_mdg =clean(nov_24);var jan_25_mdg =clean(jan_25);// ExportfunctionexportGeoJSON(fc, name) { Export.table.toDrive({collection: fc,description: name,fileFormat:'GeoJSON',folder:'WDPA_exports' });}exportGeoJSON(nov_24_mdg,'WDPA_Nov_2024_MDG');exportGeoJSON(jan_25_mdg,'WDPA_Jan_2025_MDG');
Ces fichiers ont ensuite été importés dans R pour traitement. Certaines aires protégées étaient stockées sous forme de geometry collections (7 en 2024, 5 en 2025), qui ont été converties en multipolygones afin de faciliter les comparaisons.
Code
# Install if not present or oldif (!requireNamespace("mapme.biodiversity", quietly =TRUE) ||packageVersion("mapme.biodiversity") <="0.9.4") { remotes::install_github("mapme-initiative/mapme.biodiversity",upgrade ="never")} # [1] "0.9.4"library(tidyverse)library(tmap)library(sf)library(wdpar)library(mapme.biodiversity)library(aws.s3)library(geoarrow)library(arrow)library(progressr)library(units)library(future)library(tictoc)library(gt)# Some pgtable# Some parametersdir.create("data", showWarnings =FALSE)options(scipen =999) # disable scientific notations# Load files downloaded from GEEwdpa_2024 <-st_read("/vsis3/projet-betsaka/diffusion/wdpa_compare/gee_snapshots/WDPA_Nov_2024_MDG.geojson",quiet =TRUE ) %>%mutate(version =2024) wdpa_2025 <-st_read("/vsis3/projet-betsaka/diffusion/wdpa_compare/gee_snapshots/WDPA_Jan_2025_MDG.geojson",quiet =TRUE ) %>%mutate(version =2024) # GEE stored some PAs as "geometry collections": 7 in 2024, 5 in 2025types_2024 <- wdpa_2024 %>%group_by(st_geometry_type(.)) %>%st_drop_geometry() %>%summarise(n =n())types_2025 <- wdpa_2025 %>%group_by(st_geometry_type(.)) %>%st_drop_geometry() %>%summarise(n =n())# types_2024# A tibble: 3 × 2# `st_geometry_type(.)` n# <fct> <int># 1 POLYGON 127# 2 MULTIPOLYGON 29# 3 GEOMETRYCOLLECTION 7# types_2025# # A tibble: 3 × 2# `st_geometry_type(.)` n# <fct> <int># 1 POLYGON 121# 2 MULTIPOLYGON 38# 3 GEOMETRYCOLLECTION 5# We convert them to multipolygonsgc_to_multipolygon <-function(x) {if (st_geometry_type(x) =="GEOMETRYCOLLECTION") { polys <-st_collection_extract(x, "POLYGON") geom <-st_cast(st_combine(polys), "MULTIPOLYGON") st_geometry(x) <-st_sfc(geom, crs =st_crs(x))return(x) } else {return(x) }}wdpa_2024 <- wdpa_2024 %>%split(seq_len(nrow(.))) %>%map(gc_to_multipolygon) %>%bind_rows() wdpa_2025 <- wdpa_2025 %>%split(seq_len(nrow(.))) %>%map(gc_to_multipolygon) %>%bind_rows()
Pour l’analyse de la déforestation, nous avons mobilisé les données de Hansen et al. (2013), qui fournissent pour chaque pixel d’environ 30 mètres la couverture en canopée en 2000 ainsi que l’année de perte éventuelle entre 2001 et 2024. Comme dans de nombreuses études, nous avons retenu un seuil uniforme de 30 % de couverture de canopée pour classer un pixel comme forêt. Rafanoharana et al. (2023) ont montré l’intérêt de définir des seuils différenciés par aire protégée pour mieux refléter les conditions écologiques locales ; toutefois, nous n’avons pas retenu cette approche ici afin de privilégier la comparabilité et la simplicité et la clarté des résultats.
Pour relier les polygones aux données de couverture et de perte forestière, nous avons utilisé le package mapme.biodiversity (Görgen and Bhandari 2025). Ce package fournit une interface unifiée permettant de mobiliser différentes bases de données spatiales, d’automatiser l’extraction des indicateurs à l’échelle d’entités géographiques données (ici, les aires protégées), et d’assurer la reproductibilité des analyses. Nous avons ainsi calculé un indicateur agrégé par aire protégée de couverture forestière en 2000, la superficie restante en 2024 et le taux cumulé de déforestation correspondant.
On ne garde dans l’ensemble que les aires protégées qui sont considérées comme légalement reconnues (STATUS = “Designated”) avant ou après correction. On exclut aussi les réserves de biosphère UNESCO. On fait une inspection visuelle de la cartographie des aires protégées avant de produire une série de statistiques sur leur contenu, afin de voir quelles aires protégées étaient à tort absente de la base jusqu’en 2024, lesquelles apparaissaient mais sans statut légalement reconnu. Pour celles qui apparaissaient avant et après 2024, on compare leur surface et on compare le taux de déforestation sur la période 2001-2024. Les résultats sont ensuite restitués sous forme de cartes et de tableaux.
La figure suivante présente la couverture des aires protégées de Madagascar avant (en bleu avec transparence) et après (en rouge avec transparence) la correction survenue en décembre 2024. Compte tenu de la transparence, les zones considérées comme protégées dans les deux jeux de données apparaissent en violet, celles qui étaient considérées comme conservées que dans les données jusqu’en 2024 apparaissent en bleu et celles sui sont considérées comme conservées que depuis la correction apparaîssent en rouge.
Code
# Choix du mode selon le format de renduif (knitr::is_html_output()) {tmap_mode("view") # interactif (Leaflet) pour HTML} else {tmap_mode("plot") # statique pour PDF/DOCX}# tmap_mode("view")tm_shape(wdpa_2024, name ="WDPA 2024 Nov") +tm_fill(fill ="blue", fill_alpha =0.3) +tm_shape(wdpa_2025, name ="WDPA 2025 Jan") +tm_fill(fill ="red", fill_alpha =0.3) +tm_basemap("Esri.WorldGrayCanvas")